Als AI duizenden juridische bronnen doorzoekt, groeit de verificatieplicht van de ondertekenende advocaat

Lucio Labs beschrijft een onderzoeksmodus die naar eigen opgave honderden tot ruim tweeduizend juridische bronnen doorzoekt en ook verworpen en strijdige uitspraken toont, wat de dekking vergroot maar geen gegarandeerd juist antwoord oplevert. De ondertekenende advocaat moet elke aangehaalde passage, jurisdictie en datum zelf controleren en dat vastleggen.

Wat heeft Lucio Labs precies aangekondigd en waarom is dat nieuws?

Lucio Labs publiceerde op 15 oktober 2026 een beschrijving van een In-depth-modus voor juridisch onderzoek. Volgens het bedrijf beoordeelt die modus doorgaans ongeveer 800 tot 1.500 bronnen, soms meer dan 2.000, en toont het systeem per bron of die als zeer relevant, relevant, gemarkeerd of verworpen is geclassificeerd. Dit zijn de opgaven van de leverancier zelf en geen onafhankelijk geverifieerde prestaties.

De betekenis zit niet in een slimmer eindantwoord, maar in een verschuiving van de economische grens van onderzoek. Vakmedium Artificial Lawyer plaatste de ontwikkeling in de context dat onderzoek in de praktijk vaak stopt wanneer tijd of budget op is, niet wanneer elke relevante autoriteit is gevonden. Naar onze inschatting is dat de kern: het onderzoek kan verder doorlopen, inclusief ongunstige en oudere uitspraken, en laat zien wat het heeft weggelaten.

Betekent meer doorzochte bronnen dat het juridische antwoord ook klopt?

Nee. Breedte is geen juistheid. Een groter aantal doorzochte of aangehaalde bronnen zegt niets over de vraag of een propositie daadwerkelijk door de aangehaalde passage wordt gedragen, of de uitspraak nog geldend recht is en of ze in de juiste jurisdictie valt.

In het Journal of Empirical Legal Studies rapporteerden onderzoekers dat de in hun onderzoek geteste commerciële juridische AI-onderzoekstools in een substantieel deel van de geteste vragen hallucineerden of onjuiste informatie gaven. Dat resultaat geldt voor de onderzochte tools en testopzet, niet automatisch voor ieder juridisch AI-systeem. Eerder beschreven onderzoekers in het Journal of Legal Analysis hoe algemene taalmodellen juridische autoriteiten kunnen verzinnen of verkeerd weergeven en slecht gekalibreerd zijn over hun eigen betrouwbaarheid. Een gerandomiseerd experiment van de University of Minnesota Law School voegde toe dat AI-hulp gestructureerde taken kan versnellen, maar dat AI-revisies soms al sterkere analyses juist zwakker maakten.

De les uit die drie studies is consistent: AI kan de kandidatenlijst van autoriteiten verbreden, maar verplaatst het oordeel niet. Wie de redenering aan het systeem overlaat in plaats van het als hulpmiddel te gebruiken, loopt het risico dat sterke analyses verwateren.

Wat betekent breder AI-onderzoek voor advocaten, bestuurders en kantoren?

Onze analyse: omdat het systeem nu honderden tot duizenden bronnen aanlevert in plaats van enkele tientallen, groeit het volume dat een mens nog moet nalezen, en daarmee verschuift de aansprakelijkheid voor het eindoordeel naar de systematische controle van dat grotere volume; daarom moet een kantoor vooraf vastleggen wie van de betrokken juristen welke categorieën bronnen leest en afvinkt, en dat niet overlaten aan wie toevallig tijd heeft. Omdat de leverancier zelf aangeeft dat bronnen als verworpen of gemarkeerd kunnen worden weggefilterd, kan een relevante tegenuitspraak buiten beeld blijven zonder dat iemand het merkt; naar onze analyse moet de verantwoordelijke advocaat daarom de verworpen bronnen steekproefsgewijs openen en documenteren waarom uitsluiting terecht was, voordat het memo de deur uitgaat. Omdat onafhankelijk onderzoek aantoont dat deze tools onjuiste proposities aan echte uitspraken kunnen koppelen, volstaat een citatielijst niet als bewijs; onze lezing is dat de ondertekenende jurist daarom iedere dragende propositie moet teruglezen in de volledige uitspraak en niet in de samenvatting of het kopje, en die controle per propositie moet aftekenen. En omdat het eindadvies op meer autoriteiten rust, vergroot dat de reikwijdte van een eventuele fout; daarom moeten bestuurders en partners hun interne aansprakelijkheids- en reviewprotocol herzien, met een vastgelegd beslismoment waarop een benoemde senior bepaalt welke autoriteiten de feiten van de cliënt beheersen. Dit is redactionele duiding, afgeleid uit de genoemde bronnen, geen uitspraak van Lucio Labs of van de onderzoekers zelf.

Hoe richt een kantoor verificatie en verantwoording in bij een groter bronvolume?

Gebruik de bredere zoekcapaciteit als eerste schifting en als tegenspraak, niet als eindproduct. De volgende stappen volgen rechtstreeks uit de hierboven genoemde bevindingen en zijn onze aanbeveling, niet een voorschrift van de bronnen. Zie ook onze eerdere stukken over de verificatieplicht van de ondertekenende advocaat bij AI-citaten en over AI-samenvattingen die dragende argumenten weglaten.

• Leg vóór het zoeken de jurisdictie, de peildatum en de rechtsvraag vast, zodat breedte niet ten koste gaat van relevantie.
• Dwing het systeem om tegenstrijdige en negatieve autoriteiten expliciet te tonen en open de categorie verworpen bronnen steekproefsgewijs.
• Lees de volledige uitspraak in plaats van op samenvattingen of kopjes te vertrouwen en controleer dat elke propositie door de aangehaalde passage wordt gedragen.
• Registreer de zoekvraag, de bronverzameling, de uitsluitingen, de model- of productversie en de reviewdatum als onderdeel van het dossier.
• Wijs één verantwoordelijke jurist aan die beslist welke autoriteiten de feiten van de cliënt beheersen en die het eindoordeel aftekent.

Voor organisaties die zulke systemen overwegen, hoort dit thuis in een breder kader van AI in de juridische beroepspraktijk, inclusief een nuchtere afweging van wat te verifiëren voordat u een juridisch AI-systeem inzet. Onder de EU AI Act blijft menselijk toezicht bij professioneel gebruik een vereiste; breder zoeken verandert daar niets aan. Het verschil tussen meer beschikbaar onderzoek en beter onderbouwd advies zit in wie leest, controleert en tekent.

Bronnen: Het artikel steunt op de publicatie van Lucio Labs, de berichtgeving van Artificial Lawyer en onderzoek uit het Journal of Empirical Legal Studies, het Journal of Legal Analysis en de University of Minnesota Law School.